Adaptation to Varying Network Conditions and Conversation Patterns for Robust High Quality Audio Communication over the Internet Protocol

Adaption an wechselnde Netzwerkbedingungen und Konversationseigenschaften zur robusten, hochqualitativen Audio-Kommunikation über das Internet Protokoll

Please always quote using this URN: urn:nbn:de:bvb:29-opus4-93089
  • Narrow band communication is still widespread in existing VoIP clients despite the development of high quality communication codecs, like AAC-ELD and EVS. These new communication codecs allow for more natural speech through higher dynamic range and audio bandwidth, enabling more comfortable telecommunication. In this thesis we enable excellent audio quality in communication clients by integrating AAC-ELD and EVS into a VoIP client. The integration of such codecs, however, requires the revalidation of the existing VoIP client processing components to verify high subjective audio quality. We conduct this validation through the definition of objective metrics and listening tests. To implementNarrow band communication is still widespread in existing VoIP clients despite the development of high quality communication codecs, like AAC-ELD and EVS. These new communication codecs allow for more natural speech through higher dynamic range and audio bandwidth, enabling more comfortable telecommunication. In this thesis we enable excellent audio quality in communication clients by integrating AAC-ELD and EVS into a VoIP client. The integration of such codecs, however, requires the revalidation of the existing VoIP client processing components to verify high subjective audio quality. We conduct this validation through the definition of objective metrics and listening tests. To implement Adaptive-Playout, we exploit the excellent packet loss concealment and robust structure of modern communication codecs and thereby reduce complexity in the VoIP receiver. In the case of heavy network artifacts we improve the average audio quality by introducing a new frame classifier with negligible performance cost. We develop a novel Adaptive Playout mechanism that finds the balance between low delay and minimal audio artifacts dynamically instead of using empirically chosen adaptation parameters. Therefore we assess the impact of delay and inter- activity on Conversational Quality. By conducting conversational tests we derive a statistical model describing the Conversational Quality as a function of delay and Conversational Interactivity. From these results we create an optimization model and integrate this optimization model into the communication system. We validate the quality of the adaptive communication system by conducting an- other run of conversational tests that provide clear preference towards the adaptive communication system for high and low interactivity conversations. Even though the results show room for improvement in the case of medium interactive conversations, the novel communication system is preferred by approximately 80 % of the test subjects for high interactivity conversations.show moreshow less
  • Trotz der Entwicklung hochqualitativer Kommunikationscodecs wie AAC-ELD und EVS ist die Schmalbandkommunikation immer noch weit verbreitet. Dabei bilden gerade diese Kommunikationscodecs die menschliche Sprache natürlicher ab und erlauben einen höheren Dynamikumfang sowie eine größere Audiobandbreite, was wiederum eine komfortablere Telekommunikation ermöglicht. Im Zuge dieser Dissertation ermöglichen wir exzellente Klangqualität durch die Integration von AAC-ELD und EVS in einen VoIP-Client. Diese Integration erfordert allerdings eine Überprüfung der existierenden Verarbeitungsmodule des VoIP-Clients zur Vermeidung des Verlusts von Klangqualität. Zur Durchführung dieser ValidierungTrotz der Entwicklung hochqualitativer Kommunikationscodecs wie AAC-ELD und EVS ist die Schmalbandkommunikation immer noch weit verbreitet. Dabei bilden gerade diese Kommunikationscodecs die menschliche Sprache natürlicher ab und erlauben einen höheren Dynamikumfang sowie eine größere Audiobandbreite, was wiederum eine komfortablere Telekommunikation ermöglicht. Im Zuge dieser Dissertation ermöglichen wir exzellente Klangqualität durch die Integration von AAC-ELD und EVS in einen VoIP-Client. Diese Integration erfordert allerdings eine Überprüfung der existierenden Verarbeitungsmodule des VoIP-Clients zur Vermeidung des Verlusts von Klangqualität. Zur Durchführung dieser Validierung definieren wir objektive Metriken und führen Hörtests durch. Zudem entwickeln wir einen Adaptive-Playout-Mechanismus, der die exzellente Fehlerverschleierung und die robuste Struktur moderner Kommunikationscodecs ausnutzt und die Komplexität im VoIP-Empfänger reduziert. Im Fall von schweren Netzwerkartefakten verbessern wir die mittlere Klangqualität durch die Entwicklung eines Signalklassifizierers bei vernachlässigbarem Zusatzaufwand. Wir entwickeln einen neuartigen Adaptive-Playout-Algorithmus der den Kompro- miss zwischen niedriger Verzögerung und minimalen Audio-Artefakten dynamisch findet, statt empirische Adaptations-Parameter anzuwenden. Daher bemessen wir anhand unseres hoch-qualitativen Kommunikationssystems den Einfluss von Verzö- gerung und Interaktivität auf die Gesprächsqualität. Mithilfe von Konversationstests leiten wir ein statistisches Modell ab, welches die Gesprächsqualität als Funktion von Verzögerung und Interaktivität abbildet. Anhand dieses Modells entwickeln wir eine Optimierungsfunktion und integrieren diese in unser Kommunikationssystem. Wir validieren die Qualität dieses adaptiven Kommunikationssystems durch weitere Konversationstests, welche eine klare Präferenz zum adaptiven Kommuni- kationssystem für Konversationen mit hoher und mittlerer Interaktivität belegen. Auch wenn die Ergebnisse Verbesserungsmöglichkeiten im Bereich der mittleren Interaktivität aufweisen, wird das adaptive Kommunikationssystem von annähernd 80 % der Testteilnehmer für Gespräche mit hoher Interaktivität bevorzugt.show moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author:Jochen Issing
Persistent identifiers - URN:urn:nbn:de:bvb:29-opus4-93089
Referee:Reinhard German
Document Type:Doctoral Thesis
Language:English
Year of publication:2018
Date of online publication (Embargo Date):2018/01/22
Publishing Institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)
Granting institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Technische Fakultät
Acceptance date of the thesis:2017/04/04
Release Date:2018/01/29
Tag:Conversational Quality; Playout Adaptation
SWD-Keyword:VoIP
Length/size:3-120
Institutes:Technische Fakultät
CCS-Classification:J. Computer Applications / J.2 PHYSICAL SCIENCES AND ENGINEERING / Engineering
Dewey Decimal Classification:6 Technik, Medizin, angewandte Wissenschaften / 62 Ingenieurwissenschaften / 621 Angewandte Physik
MSC-Classification:94-XX INFORMATION AND COMMUNICATION, CIRCUITS / 94Axx Communication, information / 94A05 Communication theory [See also 60G35, 90B18]
PACS-Classification:80.00.00 INTERDISCIPLINARY PHYSICS AND RELATED AREAS OF SCIENCE AND TECHNOLOGY / 89.00.00 Other areas of applied and interdisciplinary physics
open_access (DINI-Set):open_access
Licence (German):Creative Commons - CC BY-ND - Namensnennung - Keine Bearbeitungen 4.0 International